Resumen. Paradigma económico Año 5, Núm. 1

Transcripción

1 Paradigma económico Año 5, Núm. 1 enero-junio 2013 Págs: Modelación y predicción de la volatilidad con innovaciones de colas pesadas distribuidas: evidencia empírica para los petróleos Maya y Mezcla Mexicana de Exportación Raúl de Jesús Gutiérrez y Lidia Carvajal Gutiérrez* Resumen El objetivo de este trabajo es evaluar la capacidad predictiva de una familia de modelos garch para predecir la volatilidad condicional de los rendimientos del petróleo Maya y Mezcla Mexicana de Exportación para el periodo 2 de enero de 1989 al 30 de diciembre de Los modelos de volatilidad se estimaron bajo tres distribuciones condicionales para las innovaciones: normal, t-student y errores generalizada. Los hallazgos empíricos señalan que el modelo egarch, con innovaciones t-student es más eficiente en el proceso de predicción de la volatilidad dentro de la muestra que los modelos basados en las distribuciones de errores generalizada y normal. Sin embargo, los resultados de la prueba de Diebold-Mariano muestran que los modelos cgarch, con innovaciones de errores generalizados y normales, superan el desempeño predictivo óptimo de los modelos garch con innovaciones t-student cuando se consideran las predicciones de la volatilidad fuera de la muestra. Palabras clave: Petróleo crudo, Predicción de la volatilidad, Distribuciones de colas pesadas, Prueba de Diebold-Mariano. Clasificación JEL: Q40, C32, C52, E30. * Profesores-investigadores de tiempo completo de la Facultad de Economía de la uaem. Dirección: Cerro de Coatepec, s/n. Ciudad Universitaria. C. P , Toluca, Estado de México, México. Correo electrónico: rjg2005mx@yahoo.com.mx y lcarvajal_2000@yahoo.com, respectivamente. Teléfonos: (722) y , ext RECEPCIÓN: 26/11/2012 [ 67 ] ACEPTACIÓN: 12/04/2013

2 68 Paradigma económico Año 5, Núm. 1 Abstract Volatility modeling and forecasting with independent and identically distributed heavy-tailed innovations: Empirical evidence for Maya and Export Mexican crude oil blends. The purpose of this article is to evaluate the predictive ability of a garch-class model family to forecast the conditional volatility of Maya and Export Mexican Blend crude oil returns over the period from January 2, 1989 to December 30, The volatility forecasting models were estimated under three alternative conditional distributions for innovations: normal, student-t and generalized error. The empirical findings suggest that the egarch model with student-t innovations is more efficient in the procedure of the in-sample volatility forecast than the competing models based on the generalized error and normal distributions. However, the results of Diebold-Mariano test show that the cgarch models driven by generalized error and normal distributed innovations outperform the optimal predictive performance of the garch models with studentt innovations when the out-of-sample volatility forecasts are considered. Keywords: Crude oil, Volatility forecast, Heavy-tailed distributions, Diebold-Mariano test. Introducción En las últimas dos décadas los mercados de energía han mantenido un crecimiento continuo, a tal grado de consolidarse en un mercado financiero sofisticado, en parte atribuido al sólido y constante crecimiento económico global y cambio en la estructura de empleo de petróleo de los consumidores industriales, principalmente por las economías emergentes de China y la

3 Modelación y predicción de la volatilidad... De Jesús, R. y L. Carvajal 69 India. 1 Asimismo, factores adicionales como la ininterrumpida depreciación del dólar estadounidense en relación con el euro, 2 el papel de la Reserva Federal de los Estados Unidos (fed, por sus siglas en inglés), la presencia de la creciente especulación, la desregulación, las características y mecanismos de mercado no sólo han sido fundamentales para estimular relativamente la volatilidad en los mercados internacionales del petróleo, sino también para generar niveles de fluctuaciones extremas en los precios de los combustibles fósiles en el corto y mediano plazo. En este contexto, existe bastante literatura empírica que ha estudiado los efectos positivos y negativos de las fluctuaciones en los precios del petróleo en las principales variables macroeconómicas de los países importadores y exportadores de crudo y, por ende, sus significativas consecuencias en la economía global y los mercados financieros internacionales (Hamilton, 1983; Mork, 1989; Lee et al., 1995; Ferderer, 1996; Huntington, 1998; Sadorsky, 1999; Chen y Chen, 2007; Cologni y Manera, 2009; Narayan y Nayaran, 2010; Filis et al., 2011; Estrada y Hernández, 2012). Desde una perspectiva económica-financiera, la compleja dinámica no-lineal de los precios del petróleo y su volatilidad en la economía global son de vital importancia para los productores, consumidores industriales, compañías refinadoras de gasolina y gas, autoridades gubernamentales e inversionistas. Una mejor percepción de la evolución de la volatilidad cambiante en el tiempo permite a los participantes en los mercados de energía generar información crucial que pueden aprovechar para reducir 1 De acuerdo con las estadísticas de energía mundial de British Petroleum (2012), el consumo de petróleo por parte de China e India en 2011 equivale a y miles de barriles diarios en promedio, aproximadamente, lo cual representa incrementos de 5.48 y 4.23% respecto a Mientras que el consumo del hidrocarburo en países desarrollados como EE.UU. y Alemania disminuyó en 1.80 y 3.39%, respectivamente. 2 Con referencia a la relación petróleo-tipo de cambio nominal, Reboredo (2012) señala que un dólar débil incrementa el poder adquisitivo de compra de los países importadores de petróleo, excepto para EE.UU. En tanto que afecta negativamente a los países exportadores de petróleo, al depreciar sus tipos de cambio nominales cuando los precios del producto descienden.

4 70 Paradigma económico Año 5, Núm. 1 la exposición al riesgo de precio, particularmente en el contexto de movimientos atípicos inesperados durante las recientes décadas. Asimismo, la modelación y predicción de la volatilidad en los rendimientos del petróleo juega un rol clave en el proceso de la toma de decisiones financieras relacionadas con la valuación de productos derivados energéticos, la creación de estrategias de cobertura óptima, la inversión de portafolio, la predicción futura de la tendencia de los precios de contado y la administración de riesgos. En consecuencia, se pueden encontrar en la literatura sobre el análisis de la modelación y predicción de la volatilidad condicional varios modelos alternativos. Sin embargo, la flexibilidad y popularidad del modelo de heteroscedasticidad condicional autorregresiva generalizado, o modelo garch, propuesto en el trabajo seminal de Bollerslev (1986) y sus diferentes variantes, han sido utilizados para estudiar las características de la volatilidad condicional observadas en los mercados internacionales del petróleo crudo, entre ellas la volatilidad de corto plazo o en aglomeraciones, los efectos de apalancamiento o asimétricos, cambios estructurales, la persistencia de la memoria larga en la volatilidad y el efecto de las colas pesadas o anchas. En Morana (2001), por ejemplo, una forma alternativa de predecir en el corto plazo las tendencias futuras de los precios del crudo Brent de Londres del Mar del Norte es a través de las propiedades de los modelos garch semiparamétricos. Basado en un modelo general de cambio de régimen construido sobre una especificación garch estándar, Fong y See (2002) indagaron el comportamiento temporal de la volatilidad en los futuros sobre el petróleo crudo estadounidense West Texas Intermediate (wti). Los hallazgos empíricos mostraron la capacidad del modelo para capturar las características complejas exhibidas en la volatilidad condicional, como cambios inesperados en la media, varianza y curtosis condicional, así como un alto desempeño en la predicción de la volatilidad en periodos de corto plazo.

5 Modelación y predicción de la volatilidad... De Jesús, R. y L. Carvajal 71 Un estudio interesante que utiliza una variedad de modelos estadísticos, univariados y multivariados, para la predicción de la volatilidad condicional de varios contratos de futuros sobre energía que cotizan en la Bolsa Mercantil de Nueva York, es el de Sadorsky (2006). De acuerdo con los resultados de la prueba estadística de predicción óptima, el modelo tgarch presenta un desempeño superior para predecir la volatilidad condicional en los futuros sobre gas natural y aceite de calefacción. Por su parte, el modelo garch estándar tiene capacidad predictiva superior para estimar la volatilidad cambiante en el tiempo en los mercados de futuros sobre petróleo crudo wti y gasolina en comparación con el desempeño de los modelos de cambio de régimen, var y garch bivariados. En este contexto, Wang y Wu (2012) también analizan la significancia de la diferencia de los errores de predicción de dos modelos, estimando especificaciones garch univariados y multivariados; sus resultados empíricos sustentan que los modelos bekk (completo, diagonal y escalar) presentan un óptimo desempeño para predecir la volatilidad fuera de la muestra en comparación con el modelo garch (1,1) estándar, pero su capacidad predictiva es reducida por los modelos asimétricos de volatilidad univariados. Ajustando un modelo egarch, Nayaran y Nayaran (2007) argumentan que los choques en el precio del petróleo tienen efectos permanentes y asimétricos sobre la volatilidad condicional en la muestra completa. En contraste, los choques positivos y negativos presentan efectos similares, en términos de magnitud, sobre la volatilidad en los periodos submuestrales. En cuanto al poder predictivo de los modelos garch, para describir las características de la volatilidad condicional basadas en la prueba estadística de Diebold y Mariano (1995), Kang et al. (2009) proporcionan evidencia empírica de la capacidad de los modelos cgarch y figarch para capturar la persistencia en la volatilidad de los tres mercados internacionales del petróleo

6 72 Paradigma económico Año 5, Núm. 1 (wti, Brent y Dubái) 3 en comparación con los modelos garch estándar e integrado. Asimismo, Wei et al. (2010) extienden el trabajo de Kang et al. (2009), estimando varias clases de modelos garch 4 para ilustrar los principales hechos estilizados de la volatilidad dinámica en los mercados de crudo de tipo Brent y wti. Los resultados de la prueba de capacidad predictiva superior de Hansen (2005) muestran que ningún modelo destaca en la precisión de la predicción de la volatilidad, aunque la familia de modelos garch no-lineales son más eficientes para capturar la volatilidad de largo plazo que los lineales. Finalmente, Xu y Ouenniche (2012) proponen el análisis de datos envolventes para evaluar la capacidad predictiva de dos familias de modelos -volatilidad histórica y garch- utilizando diversos criterios de evaluación. Sus resultados empíricos indican que el modelo de promedios móviles simple presenta el mejor desempeño en la predicción de la volatilidad del petróleo wti. En el marco de la pertinencia de los cambios estructurales, por ejemplo, Nomikos y Pouliasis (2011) señalan que el modelo garch con cambio de régimen tiene mayor capacidad para predecir la volatilidad condicional en los mercados de futuros del petróleo crudo wti, Brent aceite de calefacción y gas negociados en las Bolsas de Futuros de Nueva York (nymex, por sus siglas en inglés) e Intercontinental (ice, por sus siglas en inglés). Aurori et al. (2012) analizan el impacto de los cambios estructurales en la predicción de la volatilidad condicional en los precios de contado y futuros, del petróleo y sus derivados refinados. Sus resultados empíricos son opuestos a los de Sadorsky (2006), puesto que el modelo 3 El petróleo Dubái es el principal marcador de referencia para el petróleo pesado de la región del Golfo Pérsico desde la segunda mitad de la década de los ochenta. Pese a ser un petróleo de baja calidad y de alto contenido en azufre respecto al Brent de Londres, su precio influye en la cotización de los principales crudos de Arabia Saudita, Emiratos Árabes Unidos, Irán, Iraq y Kuwait, miembros de la Organización de Países Exportadores de Petróleo (opep), y se negocia en las bolsas de materias primas de Singapur (simex) y Nueva York (nymex). 4 Los modelos de volatilidad utilizados en el análisis incluyen a los modelos garch, igarch, egarch, garch-gjr, aparch, figarch, fiaparch y hygarch.

7 Modelación y predicción de la volatilidad... De Jesús, R. y L. Carvajal 73 figarch tiene, ante la presencia de cambios estructurales, el mejor ajuste en todas las series en comparación con el modelo garch estándar. El grueso de la literatura previa se ha centrado en estudiar el poder predictivo óptimo de la volatilidad fuera de la muestra en los mercados de contado y futuros del petróleo a través de modelos garch y bajo el supuesto distribucional de innovaciones normales. Es bien sabido, sin embargo, que el patrón de la dinámica de los precios del petróleo crudo es extremadamente volátil en la actualidad. De hecho, está bien documentado que la naturaleza de las fluctuaciones extremas en los precios del petróleo está asociada no sólo al desequilibrio entre la oferta y demanda en los mercados de energía fósil, sino también a diversos eventos exógenos que corresponden a aspectos de tensiones geopolíticas, conflictos militares, crisis financieras, desastres naturales e incluso de carácter especulativo, por lo que ignorar estos eventos extraordinarios puede traer serias implicaciones en la modelación y predicción de la volatilidad. En consecuencia, la literatura ha sugerido la selección de distribuciones más flexibles para describir las características de las innovaciones de los rendimientos del petróleo caracterizadas por la leptocurtosis. Existen numerosos estudios empíricos que han extendido los modelos garch, con diferentes supuestos distribucionales, para mejorar la modelación y predicción de la volatilidad, entre los que se incluyen a Agnolucci (2009), quien al comparar la capacidad predictiva de los modelos garch con la del modelo de volatilidad implícita, obtenida al invertir la fórmula de forma cerrada de Black-Scholes, encontró que los modelos garch con distribución de errores generalizada proporcionan el mejor desempeño para modelar y predecir la volatilidad de los futuros sobre el petróleo wti. Analizando la capacidad de predicción óptima de una familia de modelos de volatilidad -garch estándar, egarch, aparch y figarch- con innovaciones t-student y evaluados bajo tres funciones de pérdidas, Cheong (2009) encontró evidencia, aunque no contundente, de que las

8 74 Paradigma económico Año 5, Núm. 1 especificaciones en la varianza condicional más simples y parsimoniosas presentan el mejor ajuste fuera de la muestra para el petróleo tipo Brent. Utilizando precios semanales de contado de 11 mercados internacionales de países exportadores e importadores de petróleo, cuatro funciones de pérdidas y pruebas estadísticas, Mohammadi y Su (2010) comparan el desempeño de cuatro clases de modelos garch basados en la distribución de innovaciones t-student sesgada. Los resultados de la evaluación evidencian que los modelos egarch y aparch son más apropiados para predecir la media y volatilidad condicional fuera de la muestra, a diferencia de los modelos garch estándar e integrado fraccionariamente (figarch). Por su parte, Marzo y Zagaglia (2010) estimaron tres modelos de volatilidad con diferentes supuestos distribucionales para las innovaciones de los rendimientos de los futuros sobre petróleo negociados en la Bolsa Mercantil de Nueva York. Los resultados del análisis fuera de la muestra sustentan que el modelo garch basado en la distribución de errores generalizada alcanza una excelente predicción óptima para los horizontes de 1 y 3 días, mientras que para horizontes de 5 y 15 días no existe modelo superior o inferior a los demás. En un trabajo más reciente, que no requiere del conocimiento inicial de una distribución para describir las innovaciones en los rendimientos del petróleo de tipo wti y Brent, Hou y Suardi (2012) proponen un modelo garch no-paramétrico que mejora notablemente la capacidad predictiva fuera de la muestra respecto a una extensa clase de modelos garch con innovaciones t-student, a pesar de que no especifican la característica de asimetría en el proceso de volatilidad. Estimando un modelo egarch bajo régimen de volatilidad cambiaria y asumiendo que las innovaciones siguen una distribución t-student, Chang (2012) demostró que el impacto de los cambios de régimen y los efectos de la base asimétrica juegan un papel importante en la predicción de la volatilidad en los rendimientos de los futuros sobre el petróleo wti. En cuanto a la literatura sobre la medición del riesgo en los mercados de energía, Giot y Laurent (2003) contrastaron la

9 Modelación y predicción de la volatilidad... De Jesús, R. y L. Carvajal 75 capacidad predictiva de los modelos RiskMetrics con innovaciones normales, arch y aparch con innovaciones t-student sesgada para seis materias primas, entre ellas los tipos de petróleo wti y Brent. Los hallazgos empíricos indican que el modelo aparch ofrece el mejor desempeño de predicción en todas las series financieras, aunque cabe destacar que el modelo arch proporciona buenos resultados y su estimación es fácil de implementar en la práctica. 5 Ajustando un modelo garch con distribución de errores generalizada para las innovaciones en los rendimientos de los precios de contado del petróleo wti y Brent, Fan et al. (2008) señalan que en un nivel de confianza de 99%, la medida Valor en Riesgo (var, por sus siglas en inglés), basada en el modelo garch con innovaciones de colas pesadas, proporciona estimaciones más robustas del riesgo de mercado que los modelos paramétricos tradicionales y simulación histórica filtrado arma. El trabajo de Huang et al. (2008) estudia el proceso de innovaciones de colas pesadas en la estimación del riesgo de los precios de contado de cinco materias primas de energía. Sus resultados empíricos muestran que el modelo garch con distribución de colas pesadas es más eficiente en la estimación del var que los modelos garch con innovaciones normales y t-student para cualquier nivel de confianza. Aloui y Mabrouk (2010) incorporan tres distribuciones alternativas para las innovaciones 6 a una familia de modelos de volatilidad que incluyen los modelos figarch, fiaparch y hygarch, y encuentran evidencia de que bajo una distribución de innovaciones t-student sesgada, el modelo fiaparch es la mejor aproximación para predecir la volatilidad y estimar el var para las posiciones, corta y larga, en los mercados internacionales del petróleo y gasolina. Asimismo, los hallazgos de Cheng y Hung (2011) también sustentan el potencial de la distribución t-student sesgada para 5 La estimación del modelo arch con distribución t-student sesgada en los residuales no requiere de procedimientos de optimización no-lineal, incluso puede programarse en una hoja de Excel. 6 La familia de distribuciones utilizadas en el análisis de comparación de los modelos garch incluyen a la normal, t-student y t-student sesgada.

10 76 Paradigma económico Año 5, Núm. 1 describir la volatilidad en los mercados de contado y futuros del petróleo wti, caracterizados por los diferentes niveles de asimetría y leptocurtosis. Dado que la literatura empírica previa ha confirmado -aunque con evidencia empírica mixta- que las distribuciones de innovaciones no-normales poseen características más flexibles y eficientes para capturar la ocurrencia de fluctuaciones extremas en el marco de la modelación y predicción de la volatilidad en los mercados globales del petróleo de alta calidad. El objetivo de este trabajo es evaluar la capacidad predictiva de una familia de modelos garch para describir las características de la volatilidad en los mercados de energía de baja calidad y alto contenido de azufre, entre ellas la heteroscedasticidad condicional, los efectos de apalancamiento o asimétricos, la dinámica de largo plazo en la volatilidad, también conocida como memoria larga, y las innovaciones de colas pesadas. Esta investigación difiere de la literatura existente en al menos tres puntos. En primer lugar, y con el fin de conducir el análisis de las propiedades de la volatilidad condicional durante el periodo del 2 de enero de 1989 al 30 de diciembre de 2011, se utilizan los precios diarios de cierre de los petróleos mexicanos de tipo Maya y Mezcla Mexicana de Exportación. En segundo lugar, se estiman cuatro modelos de volatilidad: garch estándar, egarch, garch-gjr y cgarch, adoptando tres diferentes distribuciones de innovaciones normal, t-student y de errores generalizada. Cabe resaltar que esta familia de modelos de volatilidad nunca ha sido aplicada a tipos de petróleo de baja calidad y alto contenido de azufre. Finalmente, la evaluación de la capacidad de los modelos para predecir la volatilidad es otra de las contribuciones importantes de la investigación. El periodo de análisis incluye la gran recesión de originada por la crisis subprime y la crisis de deuda soberana de la zona euro de Además, la predicción óptima fuera de la muestra se lleva a cabo sobre horizontes de 1, 5 y 20 días de operación bajo tres funciones de pérdidas robustas y la prueba estadística de Diebold y Mariano (1995).

11 Modelación y predicción de la volatilidad... De Jesús, R. y L. Carvajal 77 El resto del trabajo está estructurado de la siguiente forma: en la sección 1 se discute la fuente de los datos y su análisis preliminar. En la sección 2 se describen las características de los modelos garch y la Prueba de Diebold-Mariano. En la sección 3 se lleva a cabo la aplicación empírica a las series de los rendimientos de los precios del petróleo doméstico. En la sección 4 se discuten las principales conclusiones de los hallazgos empíricos. 1. Fuente de los datos y análisis preliminar 1.1. Datos En años recientes la demanda de petróleo crudo de baja calidad y alto contenido de azufre ha aumentado en el mercado global, en parte alimentado por los cambios en el incremento desmedido de la demanda de energía global, la disminución significativa en el volumen de la oferta de petróleo crudo en las áreas de extracción de América del Norte (wti), Europa (Brent) y Asia (Dubái), así como regulaciones ambientales laxas. Este trabajo utiliza dos conjuntos de datos para el análisis de la volatilidad condicional en el mercado mexicano del petróleo. Los precios diarios de los crudos de tipo Maya y Mezcla Mexicana de Exportación, que cubren el periodo del 2 de enero de 1989 al 30 de diciembre de 2011, totalizan observaciones. Las series de precios se obtuvieron de la base de datos de Datastream Análisis preliminar de los datos La gráfica 1 muestra la tendencia dinámica de los dos tipos de petróleo mexicano durante el periodo de estudio analizado, en el que alcanzó precios de contado entre dólares por barril para el Maya, y dólares por barril para la Mezcla Mexicana de Exportación. Aunque existen diferencias en los

12 78 Paradigma económico Año 5, Núm. 1 precios entre ambos tipos de petróleo, su comportamiento es muy similar a través del tiempo. Al igual que los mercados internacionales de petróleo, la naturaleza de los choques positivos y negativos en los precios de los crudos nacionales también ha sido estimulada por eventos económicos y políticos. Por ejemplo, el estallido del conflicto en el Golfo Pérsico entre Kuwait e Irak, en agosto de 1990, generó incertidumbre en los precios del petróleo, pero la liberalización de Kuwait, aunada a las políticas de uso racional de energía, regresó la estabilidad a los mercados de materias primas de energía en el periodo Otros eventos significativos que afectaron negativamente la tendencia de la cotización del petróleo Maya y la Mezcla Mexicana de Exportación fueron la tensión en Medio Oriente y la crisis asiática de Sin embargo, desde el conflicto militar entre Estados Unidos e Irak, en 2003, los precios de contado del petróleo Maya y Mezcla Mexicana de Exportación jamás regresaron a los niveles de 1998, alcanzando en julio de 2008 precios históricos nunca antes registrados, y dólares por barril, respectivamente. No obstante, este periodo de tendencia alcista en el precio del petróleo se vio interrumpido por el desplome espectacular a fines de diciembre de 2008, precisamente cuando la economía global entró en un periodo de profunda recesión por la restricción del crédito. Pero una vez absorbido el efecto negativo de la recesión durante 2009, otra tendencia alcista de largo plazo en el precio del petróleo se observó en el periodo , atribuido a los disturbios en Libia e inestabilidad política en Egipto. Dado que los precios diarios del petróleo Maya y Mezcla Mexicana se caracterizan por ser series no estacionarias, para fines del análisis empírico es importante transformar los precios a series estacionarias, calculando los rendimientos continuos a través de los cambios logarítmicos de los precios de cierre de dos días consecutivos de operación, es decir, r t =100ln (P t /P t-1 ). La gráfica 2, que muestra la dinámica de los rendimientos de ambos tipos de petróleo a través del tiempo, indica la existencia de fuerte

13 Modelación y predicción de la volatilidad... De Jesús, R. y L. Carvajal 79 evidencia de volatilidad en aglomeraciones o periodos de alta volatilidad, seguido de lapsos de relativa tranquilidad. La intensidad del fenómeno de la heteroscedasticidad condicional es más pronunciada en los periodos de la guerra del Golfo Pérsico de 1991, la crisis asiática de y la recesión económica de Estados Unidos en , en donde los rendimientos experimentaron una sucesión de movimientos atípicos, positivos y negativos, en cortos intervalos de tiempo. Gráfica 1 Comportamiento de los precios del petróleo Maya y Mezcla Mexicana Fuente: elaboración propia con información de la base de datos de Datastream.

14 80 Paradigma económico Año 5, Núm. 1 Las estadísticas básicas de los rendimientos para los dos tipos de petróleo son reportadas en el cuadro 1. Los rendimientos promedios son muy parecidos para ambas series; no obstante, la desviación estándar para los rendimientos del petróleo de tipo Maya es ligeramente más grande a la de la Mezcla Mexicana de Exportación (46.70% contra 42.02% anualizada). Las series de los rendimientos son negativamente sesgadas y exhiben exceso de curtosis, esto es, propiedades de colas más pesadas, o anchas, y largas que la distribución normal, particularmente la cola izquierda. De hecho, el valor negativo del coeficiente sesgo revela que los rendimientos extremos negativos tienen mayor probabilidad de ocurrir que los rendimientos extremos positivos. Gráfica 2 Rendimientos de los precios del petróleo Maya y Mezcla Mexicana Fuente: elaboración propia con información de la base de datos de Datastream.

15 Modelación y predicción de la volatilidad... De Jesús, R. y L. Carvajal 81 Cuadro 1 Resultados de las estadísticas básicas de los rendimientos del petróleo Petróleo Media Máximo Mínimo Desv.Est Sesgo Curtosis JB LM Maya (0) (0) Mezcla (0) (0) Nota: Las estadísticas básicas son expresadas en porcentajes para el periodo del 2 de enero de 1989 al 30 de diciembre de Desv. Est. representa la desviación estándar de los rendimientos. JB es el valor del estadístico Jarque-Bera de la prueba de normalidad y LM indica el valor del estadístico de la prueba del Multiplicador de Lagrange con valores-p entre paréntesis. Fuente: Estimaciones propias. Asimismo, el valor-p del estadístico Jarque-Bera indica que la hipótesis nula de normalidad es ampliamente rechazada en un nivel de significancia de 1%. La presencia de fuerte heteroscedasticidad condicional o efectos arch en ambas series de rendimientos del petróleo es sustentada por la significancia del estadístico de la prueba del Multiplicador de Lagrange a un nivel de 5% para 12 rezagos Variable proxy para la volatilidad actual La evaluación del poder predictivo de los modelos de volatilidad está basada en los errores de predicción entre la volatilidad estimada y la volatilidad actual (diaria). Sin embargo, la volatilidad actual es una variable no observable que requiere ser estimada por una proxy. En este contexto, la literatura empírica ha utilizado los rendimientos cuadrados de los precios del petróleo como proxy de la volatilidad actual o no observable. Pese a que esta variable proxy se caracteriza por ser un estimador insesgado, la presencia de ruido o inestabilidad en los rendimientos cuadrados es muy alta para observar el proceso de la volatilidad actual, debido a las características de los rendimientos de los precios del

16 82 Paradigma económico Año 5, Núm. 1 petróleo (Andersen y Bollerslev, 1998). La representación gráfica de las dos series de los rendimientos cuadrados de los precios del petróleo nacional se muestra en la gráfica 3, en donde se puede observar que su comportamiento tiende a ser muy variable o ruidoso como consecuencia de los movimientos atípicos observados en los rendimientos de los precios del petróleo, particularmente durante la etapa de la gran recesión económica de Estados Unidos en el periodo En consecuencia, otras alternativas recomendadas por la literatura es el uso de datos de frecuencia alta y la estimación basada en el rango máximo/mínimo como variable proxy para la volatilidad actual. Estos estimadores suelen ser insesgados y más eficientes que los rendimientos cuadrados; sin embargo, su principal desventaja es que no sólo requieren de precios intradía, sino también de precios de apertura, cierre, máximo y mínimo, los cuales no están disponibles para los tipos de petróleos nacionales. Además, Xu y Ouenniche (2012) señalan que el potencial de estas variables proxy se reduce cuando la distribución de rendimientos es asimétrica o no-normal. En conclusión, el análisis preliminar de los datos sugiere el uso de procesos garch y la incorporación de distribuciones de colas pesadas en la modelación y predicción de la volatilidad condicional en las innovaciones de los rendimientos de los precios del petróleo mexicano. 2. Modelos garch con distribuciones de colas pesadas alternativas En esta sección se describe a una familia de modelos garch univariados con innovaciones normales, t-student y errores generalizados para modelar y predecir la volatilidad condicional de los rendimientos de los precios del petróleo Maya y Mezcla Mexicana de Exportación.

17 Modelación y predicción de la volatilidad... De Jesús, R. y L. Carvajal 83 Gráfica 3 Volatilidad actual de los rendimientos del petróleo Maya y Mezcla Mexicana Fuente: elaboración propia con información de la base de datos de Datastream Modelo garch estándar Tradicionalmente, el modelo garch (1,1) estándar ha sido utilizado para capturar el efecto de la volatilidad en aglomeraciones en los rendimientos de las series financieras a través de la varianza condicional como una función lineal de la información pasada. El modelo garch (1,1) estándar está definido por dos ecuaciones

18 84 Paradigma económico Año 5, Núm. 1 r t =μ t +ε t =μ t +σ t z t (1) σ t2 = ω+ αε 2 t-1 + βσ2 t-1 (2) donde μ t representa la media condicional; ε t indica las innovaciones en la ecuación de la media; σ t2 es la varianza condicional que depende de la última innovación de los residuales cuadrados ε 2, comúnmente conocido como el efecto arch o persistencia t-1 de corto plazo, y la varianza condicional previa σ 2, z es un t-1 t proceso de ruido blanco que sigue una distribución normal con media cero y varianza uno; ω es un término determinístico en la ecuación de la varianza que indica que la volatilidad condicional debe converger a un valor positivo. Para evitar estimaciones negativas en la varianza condicional y la existencia del proceso garch, los parámetros ω, α y β deben ser estrictamente positivos. Además, la suma α+β < 1 es una condición suficiente para asegurar que el proceso garch (1,1) sea estrictamente estacionario y ergódico Modelos garch asimétricos La presencia de diferentes niveles de asimetría en las series de los rendimientos ha dado la pauta para introducir otra clase de modelos de volatilidad. De esta manera, para resolver el problema de los efectos de apalancamiento o asimétricos observados en los rendimientos de los tipos de petróleo crudo nacional, esta investigación usa el modelo garch exponencial (egarch) propuesto por Nelson (1991). La especificación de la varianza condicional se puede expresar de la siguiente forma: log 2 ε t 1 ε t 1 2 ( σ ) ω + α + γ + β log( σ ). t = t 1 σ t 1 σ t 1 (3)

19 Modelación y predicción de la volatilidad... De Jesús, R. y L. Carvajal 85 A diferencia del modelo garch (1,1) estándar, no hay necesidad de restringir los parámetros estimados ω, α y β para asegurar que la varianza condicional sea positiva. El parámetro γ captura el comportamiento asimétrico de los choques negativos y positivos en la volatilidad condicional, cuyo efecto de apalancamiento es más bien exponencial que cuadrático. Para γ < 0, las implicaciones económicas son que las innovaciones negativas (noticias malas) tendrán un impacto mayor en la volatilidad condicional futura que las innovaciones positivas (noticias buenas) de la misma magnitud. Finalmente, las condiciones de proceso estacionario y ergódico son alcanzadas por el modelo egarch (1,1) cuando β < 1. Otra especificación alternativa que permite capturar los efectos de apalancamiento en la volatilidad es el modelo garchgjr (1,1) desarrollado por Glosten, Jagannathan y Runkle (1993). La ecuación de la varianza condicional del modelo garch-gjr (1,1) está definida por σ t 2 = ω+ αε 2 t-1 + γi(ε t-1 < 0)ε t-1 + βσ2 t-1 (4) donde I ( es la función indicadora de Heaviside que se activa con valor ) igual a 1 cuando ε t-1 < 0 y cero en cualquier otro caso, implicando que las noticias catastróficas tienen un impacto de α + γ sobre el coeficiente de ε 2, mientras que el impacto de las t-1 noticias optimistas depende únicamente del parámetro α. Por lo que el efecto de apalancamiento es observado si γ 0 a diferencia del modelo egarch (1,1), en donde dicho parámetro debe ser negativo. Para garantizar una varianza positiva, todos los parámetros estimados en la especificación de la varianza condicional deben ser estrictamente mayores o iguales a cero como en el caso del modelo garch (1,1) estándar.

20 86 Paradigma económico Año 5, Núm Modelo garch de dos componentes La dependencia de largo plazo o memoria larga observada en la volatilidad de las series financieras ha sido documentada en una gran cantidad de estudios empíricos. Es bien sabido que la propiedad de memoria larga no puede ser recogida por los modelos garch tradicionales, mencionados en las secciones 2.1 y 2.2, por lo que tiene que modelarse con un componente de largo plazo. Una especificación alternativa que captura el fenómeno de la memoria larga en la volatilidad es el modelo de dos componentes o cgarch propuesto por Engle y Lee (1999). La especificación del modelo cgarch (1,1) se puede expresar de la siguiente forma: σ 2 t = σ2 t,1 + σ2 t,2 (5) σ 2 t,1 = ω + α 1 ν t-1 + β 1 σ2 t-1,1 (6) σ 2 t,2 = αν t-1 + βσ2 t-1,2 (7) ν t-1 =ε 2 t-1 - σ2 t-1 (8) donde el primer componente σ 2 captura el impacto de largo plazo t,1 en la varianza, los errores de predicción pasados, representados por ν t-1, proporcionan la fuerza principal en los movimientos dependientes en el tiempo de la varianza de largo plazo. El segundo componente σ 2 recoge los efectos temporales de corto plazo de t,2 los choques en la varianza. El modelo garantiza una varianza positiva si sus parámetros satisfacen las condiciones α + β < β 1 < 1, α 1 <β y la tasa de reversión a la media del segundo componente es menor a la tasa del primer componente; es decir, ω/(1 - β 1 ). De esta manera, la reacción en cada uno de los componentes ante una innovación reciente es diferente y con una tasa de decaimiento distinta, puesto que están asociadas a las innovaciones de las varianzas rezagadas. Para capturar las características no-normales en las innovaciones de los rendimientos de los precios de los petróleos nacionales, se